Исследователи из Университета Нью-Гэмпшира (UNH) создали нейросеть, которая прочитала десятки тысяч научных работ и извлекла из них данные о магнитных материалах. Результат — база данных NEMAD (Northeast Materials Database), включающая 67 573 соединения, из которых 25 ранее не были известны как магнитные. Среди них обнаружены материалы, сохраняющие магнитные свойства при высоких температурах, что критически важно для замены дорогих и дефицитных редкоземельных магнитов в моторах, генераторах и электронике.
В чём фокус?
Проблема поиска новых магнитных материалов — это классический пример «известного неизвестного». Учёные подозревают, что существуют тысячи соединений с полезными свойствами, но найти их вручную, перелопачивая десятилетия научной литературы, — непосильная задача. Часто проще синтезировать и тестировать заново, чем искать в архивах.
Команда UNH поступила иначе:
- Обучили языковую модель «читать» научные статьи как исследователь: выделять ключевые данные — состав, структуру, магнитные характеристики, температуры переходов (Кюри, Нееля).
- Создали структурированную базу из 67 573 записей, где каждый материал описан стандартизированно.
- Применили алгоритмы машинного обучения для анализа свойств и поиска материалов, которые могут работать при высоких температурах — главное требование для промышленных применений.
Почему это важно?
Современная «зелёная» энергетика и электромобили упираются в редкоземельные магниты. Они невероятно мощны, но их добыча дорога, грязна и сконцентрирована в руках нескольких стран. Поиск альтернатив — стратегическая задача.
NEMAD даёт исследователям карту сокровищ:
- Вместо того чтобы гадать и ставить случайные эксперименты, можно сделать запрос к базе: «Покажи все материалы, которые сохраняют магнетизм выше 200°C и не содержат неодима».
- База включает не только «известные» магнетики, но и 25 соединений, которые ранее никто не рассматривал как магнитные — их свойства были упущены в исходных статьях.
#УКУС_ТРЕНДА
Этот подход — симптом трёх важных изменений в науке:
- Археология данных: Самое ценное знание уже опубликовано, но похоронено в PDF. ИИ становится инструментом «раскопок», превращая неструктурированную литературу в структурированные базы.
- Снижение зависимости от редких земель: Стратегическая цель многих стран — найти замену критическим материалам. Базы данных, подобные NEMAD, приближают эту цель, сокращая путь от гипотезы до эксперимента.
- Масштабирование открытий: Раньше открыть новый материал можно было случайно или за годы целенаправленного поиска. Теперь можно просканировать тысячи кандидатов за считанные дни и выбрать самые перспективные для синтеза.
P.S. 67 573 материала — это огромная цифра. Но важно понимать, что «материал» в базе — это не готовый промышленный продукт. Это сырьё для дальнейшего анализа. Самый сложный этап — синтез и тестирование в реальных условиях — всё ещё впереди. Но теперь хотя бы понятно, куда смотреть.
#материалы #магниты #ИИ #наука #инновации